توضیحات
This brief monograph is the first one to deal exclusively with the quantitative approximation by artificial neural networks to the identity-unit operator. Here we study with rates the approximation properties of the ‘right’ sigmoidal and hyperbolic tangent artificial neural network positive linear operators. In particular we study the degree of approximation of these operators to the unit operator in the univariate and multivariate cases over bounded or unbounded domains. This is given via inequalities and with the use of modulus of continuity of the involved function or its higher order derivative. We examine the real and complex cases.
For the convenience of the reader, the chapters of this book are written in a self-contained style.
This treatise relies on author’s last two years of related research work.
Advanced courses and seminars can be taught out of this brief book. All necessary background and motivations are given per chapter. A related list of references is given also per chapter. The exposed results are expected to find applications in many areas of computer science and applied mathematics, such as neural networks, intelligent systems, complexity theory, learning theory, vision and approximation theory, etc. As such this monograph is suitable for researchers, graduate students, and seminars of the above subjects, also for all science libraries.
————————————————————–
ترجمه ماشینی :
این تک نگاری مختصر اولین تک نگاری است که منحصراً به تقریب کمی توسط شبکه های عصبی مصنوعی به اپراتور واحد هویت می پردازد. در اینجا ما با نرخ، خواص تقریبی عملگرهای خطی مثبت شبکه عصبی مصنوعی سیگموئیدی و مماس هذلولی را مطالعه میکنیم. به طور خاص ما درجه تقریب این عملگرها را به عملگر واحد در موارد تک متغیره و چند متغیره در دامنه های محدود یا نامحدود مطالعه می کنیم. این از طریق نابرابری ها و با استفاده از مدول تداوم تابع درگیر یا مشتق مرتبه بالاتر آن داده می شود. موارد واقعی و پیچیده را بررسی می کنیم.
برای راحتی خواننده، فصول این کتاب به سبک مستقل نوشته شده است.
این رساله متکی بر دو سال اخیر کار پژوهشی نویسنده است.
> دوره ها و سمینارهای پیشرفته را می توان از این کتاب مختصر تدریس کرد. تمام پیش زمینه ها و انگیزه های لازم در هر فصل آورده شده است. فهرست مرتبطی از منابع نیز در هر فصل ارائه شده است. انتظار میرود که نتایج آشکار شده در بسیاری از زمینههای علوم کامپیوتر و ریاضیات کاربردی مانند شبکههای عصبی، سیستمهای هوشمند، نظریه پیچیدگی، نظریه یادگیری، نظریه چشمانداز و تقریب و غیره کاربرد پیدا کند. بنابراین این مقاله برای محققان، دانشجویان تحصیلات تکمیلی مناسب است. و سمینارهای موضوعات فوق، همچنین برای تمامی کتابخانه های علمی.
tag : دانلود کتاب سیستم های هوشمند: تقریب توسط شبکه های عصبی مصنوعی , Download سیستم های هوشمند: تقریب توسط شبکه های عصبی مصنوعی , دانلود سیستم های هوشمند: تقریب توسط شبکه های عصبی مصنوعی , Download Intelligent Systems: Approximation by Artificial Neural Networks Book , سیستم های هوشمند: تقریب توسط شبکه های عصبی مصنوعی دانلود , buy سیستم های هوشمند: تقریب توسط شبکه های عصبی مصنوعی , خرید کتاب سیستم های هوشمند: تقریب توسط شبکه های عصبی مصنوعی , دانلود کتاب Intelligent Systems: Approximation by Artificial Neural Networks , کتاب Intelligent Systems: Approximation by Artificial Neural Networks , دانلود Intelligent Systems: Approximation by Artificial Neural Networks , خرید Intelligent Systems: Approximation by Artificial Neural Networks , خرید کتاب Intelligent Systems: Approximation by Artificial Neural Networks ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.